负责人形机器人本体软件系统的设计与开发，将 AI 算法落地为可靠运行的机器人软件。 1、与算法团队紧密协作，将强化学习、VLA、大语言模型等 AI 能力集成到机器人系统中，开发并优化 C++ 推理管道； 2、设计并实现机器人核心软件架构，包括功能状态机、资源编排、任务调度，控制机器人自主完成复杂任务； 3、开发高性能中间件（通信、监控、日志），确保多模块间低延迟、高可靠的数据交换； 4、负责机器人数据采集、录制、回放及云端同步的全链路开发，保障数据闭环； 5、参与嵌入式层开发，包括传感器（IMU、摄像头、力传感器）和执行器驱动，打通 AI 算法到底层硬件的完整链路。

负责机器人软件研发的 CI/CD 流水线、自动化测试和仿真基础设施，提升团队交付效率和软件质量。 1、设计和维护机器人软件 CI/CD 流水线（GitLab CI/Jenkins），实现从代码提交→编译构建→自动化测试→出包发布的全自动化； 2、搭建和管理 SIL（软件在环）和 HIL（硬件在环）测试台架，支持机器人软件的持续集成验证； 3、构建基于 MuJoCo/Isaac Sim 的仿真测试环境，支持运动控制、导航、操作等模块的自动化回归测试； 4、开发和维护机器人软件的容器化部署方案，管理 Docker 镜像和 Kubernetes 集群； 5、建立软件质量监控体系，包括构建成功率、测试覆盖率、缺陷趋势等度量指标。

您将加入人形机器人核心软件团队，参与运动控制软件的开发、重构与量产交付。并支持多种机器人形态的快速适配和能力复用。你将深度参与遥操作、力矩平滑、安全防护等关键实时控制模块的开发，在毫秒级控制周期的真机环境中解决实时性、安全性和鲁棒性挑战。 主要职责 - 独立负责运动控制软件模块的开发与交付：包括但不限于遥操作数据采集与全身控制链路、力矩平滑与抖动优化、安全防护与降级策略实现 - 与运动控制算法团队对接，将算法方案（如遥操模型、力矩控制策略）转化为高质量的生产级 C++ 代码，处理算法到工程落地过程中的接口适配、数据对齐和性能差异。本岗位不涉及算法研发，聚焦软件工程。 - 参与运动控制系统的架构升级：理解模块化业务的职责边界与接口规范，在新架构下完成模块适配，保障系统稳定、可靠。 - 在真机环境中进行调试与性能分析：使用系统级性能分析工具定位延迟瓶颈和资源竞争，区分仿真与真机差异，提出可落地的优化方案 - 维护项目的构建系统与编译配置（基于 CMake 或 Bazel），保障构建流程的稳定可用，及时处理代码合并冲突与依赖变更 - 遵循量产级质量规范；问题发生后及时记录并给出初步分析；功能交付附带测试验证报告 - 输出模块设计文档与接口说明，沉淀真机调试经验与故障排查流程

岗位背景 我们正处于机器人行业的生长期，行业尚无通用的产品范式。我们需要一名兼具哲学家头脑与工程师手脚的产品架构师，定义机器人在现实世界中的价值、服务与能力，而非仅是“需求翻译官” 产品定义与架构： 负责核心智能功能（交互、导航、规划、运动控制）的产品设计 基于人类行为与物理交互，提出有创意的功能假设并输出高质量PRD 构建逻辑严谨、扩展性强、优先级清晰的功能矩阵 技术可行性把控： 理解具身智能技术栈（如VLA大模型、MPC/WBC运动控制）的原理 熟悉算法与软件在硬件产品落地过程中的常见约束 全链路交付与商业闭环： 主导从研发到实测的全流程，制定验收标准 以商业价值为导向，确保功能迭代服务于明确的商业场景 跨域协同与体系建设： 驱动算法、硬件、软件团队协作，解决软硬耦合问题 建立可生长的产品需求机制，保障系统架构的长期整洁与可扩展

负责具身智能模型在机器人端和小鹏自研芯片平台上的适配、优化与部署，参与模型转换、量化、性能评测、精度验证和上线发布全流程。 通过工程优化提升模型推理性能、资源利用率和运行稳定性，推动算法能力高效落地到机器人产品。 岗位职责 负责 VLM、VLA、多模态及其他具身智能模型在小鹏自研芯片平台上的转换、适配、量化与部署； 开展端侧推理性能评测与优化，分析时延、内存、功耗和算力利用率等关键指标； 建立模型精度对齐与自动化回归能力，定位模型转换、量化及算子适配过程中的精度问题； 参与模型部署工具链建设，完善模型转换、性能基准、端侧验证和发布流程； 与算法和芯片团队协作，从模型设计阶段参与部署可行性评估，推动模型在机器人端稳定运行。

负责机器人数据采集链路及数据平台相关系统研发，覆盖采集任务下发、设备接入、数据上传、处理、管理、查询和展示等环节。 根据个人技术专长承担 Web 前端、数据可视化、后端服务、开放接口或业务流程开发，推动功能从需求分析到上线交付。 参与多模态数据的接入与管理，支持视频、图像、传感器、状态流和日志等数据的解析、组织、检索及使用。 参与元数据、标签、数据质量、数据集管理和数据版本等能力建设，提升数据的可管理性、可检索性和可追溯性。 建设面向数据生产与运营的任务管理、状态监控、异常处理和数据看板，提升数据流转效率和使用体验。 参与 AI Agent 与数据能力的结合，探索数据查询、智能分析、工具调用和工作流编排等应用。

参与机器人数据采集项目的运营执行，协助完成需求梳理、采集方案制定、任务排期、现场执行、数据验收和项目复盘。 协助将算法或产品需求拆解为具体采集任务，明确采集场景、动作要求、覆盖范围、边界条件及验收标准，并整理采集 SOP。 参与采集场地、设备、人员和排班管理，跟进现场执行情况，及时记录、反馈并推动解决采集过程中的问题。 协同硬件、软件和工具团队，参与采集设备、传感器、标定、同步、回放、遥操作及数据上传等链路的测试和优化。 参与数据质量检查和基础分析，关注数据完整性、一致性、时序对齐、噪声、覆盖度及标注质量等指标。 根据数据质量问题和模型训练反馈，协助分析失败案例、数据分布及采集缺口，持续优化采集策略和任务设计。 整理采集规范、操作手册、检查清单、问题记录和复盘材料，推动经验沉淀及采集流程标准化。 根据项目需要，参与外部采集人员的培训、执行跟进和数据验收。

（任选其一） 1. 第一人称感知算法开发： 研发基于第一人称视角（Egocentric View）的 3D 人体重建、动作生成、手势追踪及动作捕捉建模算法，从复杂的真实场景中提取高质量的运动指令，助力数据驱动的具身智能算法研究； 2. 高精度人体重建： 利用 SMPL / SMPL-X / MANO等参数化模型、多视角几何及神经渲染等技术，实现对人类动作行为的高精度重建，解决人体自遮挡、大范围运动等困难场景下的稳健估计问题，加速业界前沿的大规模 In-the-wild 人类数据采集和数据处理任务； 3. 动作生成与迁移（Retargeting）： 研究人类动作到异构机器人本体（包括但不限于全尺寸人形本体、灵巧手）的语义映射与动力学对齐，构建从“人类示范”到“机器人策略”的自动化数据管线； 4. 人类数据模型训练： 参与构建人类数据基座模型训练，将第一手模型理解与数据采集实践相结合，为 VLA / WAM 等前沿架构的具身基座模型提供大规模 Human-data 数据，提升机器人在非结构化环境下的泛化能力； 5. 前瞻研究与落地： 跟踪 ICRA / CoRL / RSS / SIGGRAPH / CVPR / ICLR / NeurIPS 等顶级会议趋势，发表高质量论文，并负责算法在真实机器人硬件和可穿戴数据采集硬件上的工程化落地。